大葉柳地上部鮮生物量預測最佳數學模型篩選

[摘 要] 通過對冷涼性濕潤區陰坡、陽坡、河灘地不同立地類型地埂上生長的大葉柳生長量和鮮生物量進行調查，采用回歸分析方法，回歸得到6種單枝枝鮮質量和葉鮮質量的預測數學模型，從中篩選得到[W枝鮮質量=0.055 "6D2.529 "0]、[W枝鮮質量=0.055 "3H0.015 "6D2.518 "6]、[W葉鮮質量=0.322 "0H0.355 "1D1.717 "2]、[W葉鮮質量=0.035 "8D1.954 "8]4種預測單枝枝鮮質量和葉鮮質量的最佳數學模型，其預測精度都在90%以上，其中地上部鮮生物量可用[W地上部鮮生物量=nW枝鮮質量+W葉鮮質量]方程計算得到。上述預測數學模型可在大葉柳地上部鮮生物量調查中推廣應用，將獲得事半功倍的效果。

[關鍵詞] 大葉柳;生長量;鮮生物量;數學模型

[中圖分類號] S792.12 [文獻標識碼] B [文章編號] 1674-7909（2019）05-92-2

大葉柳（Salix jishiensis C.F.Fang et J.Q.Wang）系楊柳科柳屬康定柳與旱柳的天然雜交種，以葉片大而得名，是甘肅省的特有種。其垂直分布于海拔1 800～2 600 m，水平分布在甘肅省臨夏州西南部、定西市南部及甘南州大夏河流域，以臨夏州臨夏縣、積石山縣分布最多，栽植于宜林荒山荒地和農田地埂。大葉柳為中生陽性喜光樹種，具有抗寒、喜水濕、抗風、不怕泡淹、不怕沙埋、生長迅速、萌芽性強、生物量大、枝條柔軟、燃燒值高、主根發達、側根和須根密集如網以及對土壤要求不嚴等特點。既可營造防護林、用材林、薪炭林，又可發展采條林、飼料林[1]。為挖掘大葉柳生產潛力，合理經營、利用、發展大葉柳，解決群眾薪材、編織材、飼料等，預測其枝、葉鮮生物量具有實際意義。

1 調查區概況

調查區位于甘肅省臨夏縣韓集鎮，氣候屬冷涼性濕潤區，海拔2 155～2 231 m，年平均氣溫5.2～5.9 ℃，極端高溫35.8 ℃，極端低溫-25.7 ℃，≥10 ℃積溫1 923 ℃，日照時間2 323.4 h，無霜期147 d，年降水量651 mm，且分布不均勻，多集中在7—9月，年蒸發量1 264 mm。土壤黑麻土（陰坡）、麻土（陽坡）、草甸土（河灘地），土層厚，質地疏松，土壤肥沃，土壤pH值7.8，無灌溉條件。

2 調查內容及方法

在冷涼性濕潤區不同立地條件（陰坡、陽坡、河灘地）下，調查大葉柳的生長量、鮮生物量和萌條數。調查采用隨機抽樣的方法，每叢選擇3～6條大小不等的枝條，分別量測枝長、枝徑及枝齡，其平均值即為該叢的標準枝生長量，分別稱與標準枝生長量接近的枝條的枝鮮質量、葉鮮質量，并量測枝長、枝徑，調查枝齡，該枝枝鮮質量與葉鮮質量之和乘以萌條數即為該叢之鮮生物量。共調查39叢，其中陰坡10叢、陽坡9叢、河灘地20叢。

3 生物量數學模型建立與分析

3.1 用枝長預測枝鮮質量

依據枝鮮質量與枝齡的實際關系，選擇數學模型[W枝鮮質量=aHb]比較切合實際。其中，[H]為枝長，單位m;[a]、[b]均為回歸系數。經回歸得到回歸方程[W枝鮮質量=0.034 "4H3.053 "5]，相關系數[r=0.834 nbsp;3gt;r0.001f=37=0.518 "9]，相對誤差7.02%，精度92.98%，回歸關系達到極顯著水平，具有較高的預測價值。

3.2 用枝徑預測枝鮮質量

依據枝鮮質量與枝齡的實際關系，選擇數學模型[W枝鮮質量=aDb]比較切合實際。其中，[D]為枝徑，單位cm;[a]、[b]均為回歸系數。經回歸得到回歸方程[W枝鮮質量=0.055 "6D2.529 "0]，相關系數[r=0.927 "7gt;r0.001f=37=0.518 9]，相對誤差4.03%，精度95.97%，回歸關系達到極顯著水平，具有較高的預測價值。

3.3 用枝長枝徑預測枝鮮質量

因枝鮮質量與枝條材積成正比，而枝條材積與枝長、枝徑均成正比，故建立數學模型[W枝鮮質量=aHb1Db2]比較切合實際。其中，[H]為枝長，單位m;[D]為枝徑，單位cm;[a]、[b1]、[b2]均為回歸系數。經回歸得到回歸方程[W枝鮮質量=0.055 "3H0.015 "6D2.518 "6]，復相關系數[r=0.927 "7gt;r0.00 1f=37=0.518 "9]，相對誤差4.09%，精度95.91%，回歸關系達到極顯著水平，具有較高的預測價值。

3.4 用枝長預測葉鮮質量

依據葉鮮質量與枝齡的實際關系，選擇數學模型[W枝鮮質量=aHb]比較切合實際。其中，[H]為枝長，單位m;[a]、[b]均為回歸系數。經回歸得到回歸方程[W葉鮮質量=0.023 "2H2.423 "6]，相關系數[r=0.719 "1gt;r0.001f=37=0.518 "9]，相對誤差9.65%，精度90.35%，回歸關系達到極顯著水平，具有較高的預測價值。

3.5 用枝徑預測葉鮮質量

依據葉鮮質量與枝齡的實際關系，選擇數學模型[W枝鮮質量=aDb]比較切合實際。其中，[D]為枝徑，單位cm;[a]、[b]均為回歸系數。經回歸得到回歸方程[W葉鮮質量=0.035 "8D1.954 "8]，相關系數[r=0.777 "8gt;r0.001f=37=0.518 "9]，相對誤差8.04%，精度91.96%，回歸關系達到極顯著水平，具有較高的預測價值。

3.6 用枝長枝徑預測葉鮮質量

因葉鮮質量與枝長、枝徑均成正比，故建立數學模型[W枝鮮質量=aHb1Db2]比較切合實際。其中，[H]為枝長，單位m;[D]為枝徑，單位cm;[a]、[b1]、[b2]均為回歸系數。經回歸得到回歸方程[W葉鮮質量=0.322 "0H0.355 "1D1.717 "2]，復相關系數[r=0.779 "2gt;r0.001f=37=0.518 "9]，相對誤差7.96%，精度92.04%，回歸關系達到極顯著水平，具有較高的預測價值[2]。

3.7 地上部鮮生物量預測

地上部鮮生物量預測模型為：

[W地上部鮮生物量=nW枝鮮質量+W葉鮮質量]，其中[n]為萌條數。

4 結論及建議

①6個預測數學模型預測精度都在90%以上，具有較高的價值。在單枝枝鮮質量預測數學模型中，單因子（枝徑）預測價值最佳，雙因子（枝徑、枝長）次之，單因子（枝長）最差;在單枝葉鮮質量預測數學模型中，雙因子（枝徑、枝長）預測價值最佳，單因子（枝徑）次之，單因子（枝長）最差。

②地上部鮮生物量可用[W地上部鮮生物量=nW枝鮮質量+W葉鮮質量]方程計算得到。

③預測數學模型僅適用于株距4 m以上單行或雙行的1～4年生枝條。

④預測數學模型為大葉柳的合理經營、開發利用及大力發展提供了科學依據。

⑤建議將[W枝鮮質量=0.055 "6D2.529 "0]、[W枝鮮質量=0.055 "3H0.015 "6D2.518 "6]、[W葉鮮質量=0.322 "0H0.355 "1D1.717 "2]、[W葉鮮質量=0.035 "8D1.954 "8]4種預測數學模型在大葉柳地上部鮮生物量調查中推廣應用，將獲得事半功倍的效果。

參考文獻

[1]王國玉，安樹康，姬學虔.大葉柳特性及其栽培技術[J].安徽農學通報，2014（21）：97-98.

[2]安樹康.梨葉面積最佳預測模型篩選[J].甘肅農業大學學報，2003（4）：463-466.